本稿では、複雑なシステムにおける因果構造の発見に広く用いられるGranger因果性に焦点を当て、特に潜在的な交絡因子を考慮した異種介入時系列に適用する新たな手法「InvarGC」を提案しています。従来のGranger因果性検定は線形モデルに基づくため、非線形因果関係の検出に限界があります。従って、近年では非線形手法が多く研究されているものの、これらは因果的完全性と介入対象の既知性に依存しています。これに対して、InvarGCはクロス環境の異質性を利用して潜在的な交絡の影響を軽減し、介入環境と非介入環境を識別することで不変の因果関係を復元します。実験結果からも、提案手法は従来の最先端手法と比較して競争力のある性能を示しています。